01.
理论模型，越复杂越好？
试想一下，我们现在正在考察商人在市场中的竞争行为。
如果我们在建立理论模型或理论框架的时候，要把他们的眼睛颜色也考虑进去，那么这个模型肯定会更符合现实。但是，你真的会这么做吗？我相信大多数人是不会的。
我们可以延伸一下：我们的框架是否要考虑年龄、性别、肤色、受教育程度？理论模型需要涵盖的特征到底要有多少个？
我们要了解，某种因素重不重要、要不要考虑进入，是取决于你的研究假设是什么，并不是说理论框架越复杂越完整就越好。
也许，你发现了蓝眼睛的商人更不聪明，甚至说不定会习惯性地以较低价格出售其产品，那么我们当然应该在模型中考虑眼睛颜色的问题。反之，如果你发现眼睛的颜色和你关注的商品价格等都没有关系，那就不用考虑这个变量。
请记住：搭建理论框架，是为了便于解决问题而进行的策略性简化，并不是为了复制现实。
诺贝尔经济学奖得主米尔顿·弗里德曼在他的论文《实证经济学的方法论》（Methodology of Positive Economics）中也曾谈及理论模型的应用问题，他指出，正如同一个粉笔记号在一种问题中被看作是欧几里得直线，在另一种问题中被看作是欧几里得面，而在第三种问题中被看作是欧几里得体一样，理论模型的运用总是与问题密切相关，以研究问题/假设所关心的核心特征为原则。
02.
理论模型越复杂越出错
其实，我们越痴迷于复杂的模型，我们就越来产生了一种后果：一元论。我们希望把所有的变量都装到一起，于是到最后就只要一个模型就够了。
确实，有些学者喜欢复杂的模型，也希望模型也越大越单一就越好。近年来的两个相关进展已让这个问题变得更有探讨意义。
第一个进展是电脑能力的飞速提升及其成本的快速下降。这使人们可以更容易地运用大规模的电脑化模型。这类模型里有成千上万的方程式，包含非线性关系和复杂的相互影响机制，能提供更充分的解释。
第二个进展是大数据的出现，以及从大数据中提炼模式与规律的统计与电脑技术的发展。该观念的首要倡导者写道：“大数据给我们一个机会来完整地理解社会的复杂性”。
在技术进步的推动下，复杂性看起来越发吸引人。数学家兼经济学家邓肯·沃茨(Duncan Watts) 写道：“一个复杂的系统到底‘复杂’在哪儿，人们无法达成一致，但通常有共识的是，复杂性的源头是许多相互依赖的成分以非线性的方式交互影响。”
沃茨举出的一个例子就是经济：“例如，塑造美国经济的是无数个人、企业和政府机构的行为，以及无数其他的外部和内部因素，从得克萨斯州的天气到中国的利率。”经济的某个部分，如抵押贷款融资方面的动荡，可能会扩散，并给整个经济造成巨大冲击，就像混沌理论中的“蝴蝶效应”。这似乎表明，为了解释甚至预测经验现实，我们应该让理论模型涵盖尽可能多的要素。
但是，我们并没有总是依赖于复杂模型，因为它模型考虑到越周到，太容易出错、太容易被抛弃了。
以经济学为例：在20世纪六60和70年代，基于对流行的宏观经济学正统理论的过度信心，人们以凯恩斯主义为基础，构建了几个大规模的美国经济的模拟模型。而在70年代末和80年代的滞胀时期，经济衰退得厉害，这些模型的表现很差，然后它们就被抛弃了。理性预期、价格弹性等“新古典“理论兴起。
03.
善用多个小模型：三大挑选标准
怎么办呢？
依赖又大又容易出错的模型，远远不如另一种做法：在我们的头脑中同时运用几个小模型。这样做有三个好处——也是我们挑选合适的理论模型的三个标准。
第一，模型越简洁，你能越捕捉你要研究现象中的重点。也就是说，与其把所有的因素都装到一起，让一个模型变得越来越复杂，倒不如手上有多个小模型，每个都抓住现实的少量但重要的假设和现象。把最重要的部分突出出来，才是理论模型的力量！
比如，经济学大师托马斯·谢林提出过“引爆点”模型，并应用于不同的社会背景。该模型考察在足够多的个体改变行为后，整体行为突然改变的情况。谢林在20世纪70年代提出的经典例子是，一旦“白人逃离”规模达到某个关键的引爆点，多族群混居的社区就会瓦解，变成彻底的族群隔离。这个模型非常简洁地捕捉了族群与社区问题，但是并没有纳入其它更多复杂的因素。
第二，模型越简洁，你越能捕捉现实的多样性。模型越复杂就会越单一。反过来，你应该随时选择不同的现象、用不同的模型，最快最直观地理解现实世界的多样性。所以，你手上的模型数量要简洁一些，才能储备得多一些。
第三，模型越简洁，你越能打开现实的黑箱子，找到因果机制。假设我们可以构建基本上不涉及理论的大规模模型——只要我们基于观察到的经验规律，如消费者支出模式，来利用大数据技术，但是就像天气模型一样，这样的模型能够做预测，但永远无法提供知识——因为它们就像“黑箱”：我们能看到结果，但无法看到内在的运行机制。要从这些模型中提炼出知识，我们就必须发现并分析造成特定结果的潜在因果机制。反过来，模型越简洁，你越会找到微观层面的基础，建立最直观的解释机制。
04.
来自大文豪博尔赫斯的启发
阿根廷小说家豪尔赫·路易斯·博尔赫斯(Jorge Luis Borges) 写过一篇极短的故事，题为“论科学的精确性”。他写道，在古老的年代有一个神秘的帝国，在那里，制图师极为看重他们的技艺，精益求精。为了尽可能地捕捉细节，他们画的地图越来越大。一个省的地图变得像一个城市那么大，帝国的地图变得和省一样大。渐渐地，即使如此的精细程度也不够了，制图师公会就画了一幅1 : 1 的帝国地图。但后来的人对制图技艺不再那么着迷，而是更关心如何获得导航帮助。他们发现，这么大的地图是没用的。于是他们把地图扔到沙漠里，任其风化消失。
豪尔赫·路易斯·博尔赫斯 (1899-1986)
如博尔赫斯的故事说明的，如果认为模型越复杂就越有用，结果会适得其反。经济学模型正是因为简单才有用、才能对现实有所反映的。实用性并不以复杂性为前提，而复杂有可能损害实用性。各种各样的简单模型是必不可少的。模型从来都不等于真实，但蕴含了真实性。只有把世界简化，我们才能理解世界。
转自宇凡聊学术微信公众号，仅作学习交流，如有侵权，请联系本站删除！
